搜索
在这个数据为王的时代，数据是人工智能的三大支柱之一，其重要性不言而喻。最近，OpenAI 收购了数据库初创公司 Rockset，迅速引起了业内外的广泛关注。OpenAI 早已在算法和计算能力方面遥遥领先，通过这次战略性的收购，OpenAI 将在其产品中融合 Rockset 的先进数据索引和查询技术，帮助 OpenAI 将数据转化为 “可操作智能”。
Claude 3.5 Sonnet的图表推理能力，比GPT-4o高出了27.8%。 针对多模态大模型在图表任务上的表现，陈丹琦团队提出了新的测试基准。 新Benchmark比以往更有区分度，也让一众传统测试中的高分模型暴露出了真实能力。
谷歌开源模型Gemma 2开放了！ 虽然前段时间Google I/O大会上，Gemma 2开源的消息就已经被放出，但谷歌还留了个小惊喜—— 除27B模型外，还有一个更轻的9B版本。 DeepMind创始人哈萨比斯表示，27B参数规模下，Gemma 2提供了同类模型最强性能，甚至还能与其两倍大的模型竞争。
尤洋团队新作，首个基于DiT的实时视频生成方法来了！
很炸裂！讯飞星火大秀语音识别能力，现场掌声雷动—— 三个人同时说话，再加上背景音乐，如此强干扰的场景，大模型却表示都能听懂听清，还瞬间转化为文字，语音识别的“鸡尾酒会”难题不在话下~
人在华东师范大学，上课、教学已经用上了大模型。
谷歌作为全球领先的科技公司，在 AI 领域拥有深厚的积累和卓越的创新能力，在谷歌眼里，生成式 AI 带来了哪些机会？Google AI 是如何在谷歌产品中落地的？Google Cloud 提供了一系列工具和平台，如何帮助开发者构建和部署自己的专属 LLM 和 Agent？负责任的 AI 为企业带来哪些价值？
计算机程序可以生成很像真随机的「伪随机数」，而LLM表示，干脆不装了，我就有自己最喜欢的数。
本文将为大家介绍CVPR 2024 Highlight的论文LangSplat: 3D Language Gaussian Splatting（三维语义高斯泼溅）。LangSplat在开放文本目标定位和语义分割任务上达到SOTA性能。在1440×1080分辨率的图像上，查询速度比之前的SOTA方法LERF快了199倍。代码已开源。
近日，首个多模态LLM视频分析综合评估基准Video-MME诞生！在这场全新的考试中，Gemini 1.5 Pro一路遥遥领先，谷歌首席科学家Jeff Dean更是愉快地连续转了3次推。
昨晚，谷歌正式开源了自家最强的开源模型Gemma 2，直指为全球范围研究开发者提供实用部署工具。
今天，OpenAI悄悄在博客上发布了一篇新论文——CriticGPT，而这也是前任超级对齐团队的「遗作」之一。CriticGPT同样基于GPT-4训练，但目的却是用来指正GPT-4的输出错误，实现「自我批评」。
超级入口是AI产品的Excel时刻
M30是一款通用的边端大模型AI芯片，能够支持多种大模型。
以化学法十分之一的成本实现DNA的从头合成。
协助患者独自完成优质居家理疗，降低医保支出和成本。
尽管存在竞争，苏莱曼坦言与OpenAI有着深厚的伙伴关系，并表示对奥特曼的工作充满敬意和信任，坚信这种伙伴关系将在未来持续发展，同时强调这种既紧密又独立的伙伴关系的重要性。
本文关注OpenAI近期的两次收购，从这两次收购背后，试图拼起OpenAI设计“未来操作系统--LLMOS”的巨大蓝图。
AI芯片的创新从未停止。
面对全新的技术时代，「做题」之前，不妨先一起来「审题」。
过去 2 周，在 AI 技术圈极少有人知晓的情况下，一个叫做“文风测试”的小网站已经红透了半个社交网络。
多年前的老科幻电影，《黑客帝国》中有这样一个场景，尼奥第一次见到黑客帝国的船员时，他们端上了一碗烂碎的糊状食物，那是“单细胞蛋白质与合成氨基酸、维生素和矿物质的结合，是身体所需的一切。”虽然听起来很高科技，但看起来就令人倒胃口。
又是一年毕业季。随着中考高考倒计时的步步逼近，和家长学生们的紧迫感齐头并进的，还有“AI自习室”这几个月在全国中小学校门外的疯狂扩张。
深圳市不停科技有限公司（以下简称「不停科技」）近日完成近亿元A+轮融资，本次由华山资本（WestSummit Capital ）领投，老股东高秉强教授生态圈基金未来科技参与投资，老股东李泽湘教授旗下清水湾基金、甘洁教授旗下知行一号基金连续三轮继续超额加持。星辰资本担任后续融资独家财务顾问。
AI对电商的深刻变革正在发生
IDC总裁预测AI推动全球半导体市场增长。
大模型的盛宴，不应该只属于那些无数光环加身的算法天才们。
在当今的多模态大模型的发展中，模型的性能和训练数据的质量关系十分紧密，可以说是 “数据赋予了模型的绝大多数能力”。
上下文学习 (in-context learning, 简写为 ICL) 已经在很多 LLM 有关的应用中展现了强大的能力，但是对其理论的分析仍然比较有限。人们依然试图理解为什么基于 Transformer 架构的 LLM 可以展现出 ICL 的能力。
DiT 都能用，生成视频无质量损失，也不需要训练。
